联系人:
所在地:
一种基于深度学习的摄影测量点云语义分割方法,首先为原始点云设计一组数据增强方法来提高局限训练数据的泛化能力;然后在网络的每一层动态地更新点云局部邻域图,将跨层点描述与上下文特征结合起来并逐层汇聚点云空间潜在语义信息;最后在每个网络层引入通道注意力机制使网络能够自适应学习通道间的权重,并由此建立基于轻量级通道注意池(ChannelAttentivePooling)的点云语义分割网络,实现复杂点云的细粒度语义分割。本发明提供一种轻量级、空间关系敏感且具有良好普适性的基于深度学习的摄影测量点云语义分割方法。